一、动态负荷模型多曲线拟合参数辨识（论文文献综述）
马赟婷[1]（2021）在《复杂负荷模型的参数辨识及其对电网稳定性影响》文中研究指明随着电力系统不断的发展,电网中大规模的风电、光伏等新能源电源不断地被接入。同时,电网中电力电子设备应用的范围越来越广泛,这些因素使得电网中的一些传统特性发生较为明显的改变,所以在该背景下可能存在现有的仿真模型参数很难准确地反映出电网的真实动态特性的风险。同时,新能源、负荷以及电力电子设备等模型的相互影响使得电网的特性变得更加复杂。广域测量系统、故障录波系统及人工短路试验等设备为我们提供了大量的实测数据,但目前这些实测数据并没有被完全地利用起来。基于此,本文所做的研究工作如下所示:（1）在已有的各种负荷模型基础上,首先提出了一种包含双馈风电机组的复杂负荷模型结构并详细介绍复杂负荷模型的各部分原理,总结该模型所需辨识的参数。为减少参数辨识时间和提高辨识准确度,应用摄动法和中值灵敏度法计算复杂负荷模型各个参数的轨迹灵敏度,选定最终待辨识的参数及其辨识范围;（2）为了提高模型参数辨识的准确性和适用性,提出基于改进鲸鱼优化算法和多运行曲线辨识方法的模型参数辨识。针对基本的鲸鱼优化算法存在一些求解精度较低和较容易陷入局部最优等不足的地方,从Sine混沌映射种群初始化、收敛因子非线性化、增加自适应权重策略以及混沌优化等方面对基本的鲸鱼算法提出改进鲸鱼算法。以仿真系统为例,将改进鲸鱼优化算法和多种其他的智能优化算法从准确度和收敛性方面进行对比,结果表明改进鲸鱼优化算法具有收敛速度快、辨识效果更准确的优点。同时,针对单曲线辨识存在一定的局限性,提出了一种适用于多种场景的多运行曲线辨识方法。并将多运行曲线辨识方法和单曲线辨识方法对比,也证明了该辨识方法具有一定的有效性;（3）基于实际的电力系统,通过对实际采集的数据进行一定的处理和运用变阻抗值方法注入实测数据,MATLAB结合PSD-BPA使用,实现了对实际电网中含有复杂负荷模型的参数辨识仿真计算,结果验证了本文所提算法和方法的有效性,同时以辨识前后的参数结果分析了其对电网稳定性的影响。
高学伟[2]（2021）在《数字孪生建模方法及其在热力系统优化运行中的应用研究》文中研究表明随着社会经济的飞速发展,我国产业结构优化调整和转型升级进程的深入,要实现未来“碳达峰,碳中和”的目标,需要建设清洁低碳、安全高效的现代能源体系。以风电和太阳能发电为代表的可再生能源替代作用日益突显,而火电机组在未来很长一段时间内仍将处于主导地位。亟需解决火电和可再生能源的协同发展问题,大型火电机组更多需要担负起高效节能、低碳环保、深度调频调峰的任务。实施电能替代供热对于推动能源消费革命、减少碳排放、促进能源清洁化意义重大。利用电锅炉储热供暖还可以降低电网调节压力,增加供热能力,有效解决可再生能源的消纳问题。火电机组热力系统和电锅炉储热供暖热力系统都属于典型的非线性、多参数、强耦合的复杂热力系统。本文通过研究流体网络机理建模和数据驱动建模相融合的数字孪生建模方法,为热力系统建模工作提供了新的思路和途径,为热力系统安全、环保和经济运行提供理论支撑。论文围绕数字孪生建模方法及其在热力系统优化运行中的应用,主要研究内容和成果包括以下几个方面:（1）对数字孪生理论、热力系统建模理论以及大数据处理等基本理论进行了研究。比较了数字孪生与仿真技术及信息物理系统的异同;以火力发电厂为例,研究了流体网络机理建模及求解方法;对Hadoop系统的MapReduce与Spark计算进行了对比分析,对实时数据处理Spark Streaming与Storm进行了对比分析,并搭建了适用于数字孪生及大数据在热力系统建模领域应用的大数据分布式集群平台;在该集群上实现了大数据的存储管理,以及大数据分布式计算,研究了基于大数据平台的数据驱动建模理论,包括支持向量回归建模、极限学习机建模、智能辨识优化算法以及即时学习等基本理论。（2）针对数据驱动建模方法的研究,提出一套基于改进即时学习策略的自适应数据驱动建模方法。采用“主成分+互信息”的方法获得输入和输出变量之间的相关程度,确定权重因子,然后利用“欧式距离+角度”定义一种加权综合相似度度量函数。在离线状态下,利用改进遗传模拟退火模糊聚类方法进行工况划分;进行工况预测时,采用一种多层次综合相似度度量的相似工况快速识别方法构建相似工况训练集,即根据两级搜索的策略实现了在线快速识别:初级识别是确定预测工况在历史工况库中所属的类别提取预测类工况,次级识别是采取基于综合相似度度量函数的相似工况识别方法,在历史数据库中针对预测类工况的快速识别;局部模型建模方法是在Spark计算框架下,对SparkSVMHPSO算法、Spark ELM算法以及基于SparkHPSO的多参数辨识等数据驱动建模方法进行研究。然后以SCR脱硝系统出口 NOx预测、电锅炉储热供热系统源侧及荷测负荷预测为案例,验证了所提出的建模方法有效性。为热力系统数字孪生模型建模及系统工况优化提供了理论支撑。（3）针对数据孪生建模的研究,提出一套改进即时学习策略的自适应数据驱动与机理模型多参数辨识协同融合的数字孪生建模方法。在建立热力系统机理模型的基础上,关键的设备模型参数利用多参数多工况拟合的离线智能辨识方法,得到可以模拟实际系统全工况下动态变化趋势的离线智能参数辨识模型;以离线智能参数孪生模型为主,根据相似度阈值进行判断,采用自适应模型参数更新策略,实现数字孪生模型的在线协同;为进一步提升孪生模型预测的精度和鲁棒性,采用移动窗格信息熵的多模型输出在线融合方法,提升关键工况以及动态变化过程的逼近程度。基于这一理论构建的数字孪生模型,能够基于系统运行数据持续进行自我修正,在线跟踪设备运行特性,从而具有自适应、自演进的智能化特点,能够全面反映系统的运行状态和性能,为系统工况迭代优化提供可靠的模型输入和结果校验工具。以燃煤电站SCR脱硝系统和电锅炉储热供热系统为研究对象,建立其热力系统数字孪生模型。（4）最后,基于数字孪生模型的实时跟踪能力,提出一种基于负荷分配和工况寻优的热力系统智能工况动态寻优策略。并以电锅炉储热供热系统为研究对象,根据能耗成本分析和负荷分配策略,利用数字孪生模型系统,对电网负荷、电锅炉系统、储热系统进行预测计算,模拟不同运行方案、不同工况下系统动态运行,得出最优的供热调节和负荷分配方案。以火力发电厂SCR脱硝系统为例,根据建立的自适应、自演进的智能化SCR脱硝系统数字孪生模型,将该模型应用于模型预测控制算法中。结果表明,利用基于数字孪生模型的自适应预测控制算法比传统的PID控制效果更精确,运行更稳定。证明了所提建模方法的有效性,具有重要的工程实用意义和行业示范价值。
盛四清,朱思宇,马赟婷,余洋[3]（2021）在《基于多故障曲线辨识的负荷模型参数优化策略》文中认为建立高准确度负荷模型是电力系统动态数字仿真的基础,但基于总体测辨法的负荷模型参数辨识仅研究辨识结果对辨识曲线的准确度而未探索其对其他故障场景的适用性。为提高负荷模型准确度和多故障场景适用性,提出一种基于多故障曲线辨识的负荷参数优化策略。首先,分析电力系统故障表现,选取三种典型故障,将其曲线作为待辨识曲线并辨识出负荷参数;其次,引入了整体误差、第一摆幅值、振荡频率、阻尼比等仿真准确度评估指标,通过熵权法确定各指标的权重,进而对负荷模型进行参数综合得到优化负荷参数;最后,通过仿真算例,对比该策略和传统单故障曲线辨识方法的参数拟合误差和对其他故障的适用性。结果验证了所提策略的有效性和多故障场景适用性。
杨淞淇[4]（2021）在《电力电子化电力系统动态负荷建模与参数辨识研究》文中研究说明电力系统负荷建模是电力系统分析、规划、控制以及运行和监视领域中广泛研究的关键性技术,能够准确反映负荷外部特性对于电力系统仿真和安全稳定运行非常重要。过去,经过国内外对电力负荷建模的大量研究,已经有非常丰富的负荷模型结构,并且也有大规模投入使用的经典模型。但是,近年来可再生能源发电、高压直流输电和电气化负荷使用规模不断扩大,电力系统正在发生广泛而深刻的变化,呈现出多时间尺度动力学特性。国内外都陆续出现了不明机理带来的系统稳定性和安全性问题,这已经对系统运行构成了严重威胁。目前的电力负荷模型在一定程度上不能良好地描述负荷外部特性,面对电力系统电力电子化新形势下的艰巨挑战,在此基础上,本文重点研究在中尺度扰动下,电力电子化电力系统动态负荷的等效机理模型。论文的主要研究内容有如下几个方面:1、建立正确的电力电子化动态负荷数学模型。考虑电力电子装置及其控制系统,将其整体作为电力电子接口串入传统动态负荷模型中,从而得出电力电子化动态负荷等效机理模型。经过大量分析确定该模型的拓扑结构,解决方程的强耦合性、非线性的问题,并在忽略一定的损耗下消除中间变量,整合出以电压、频率为输入,有功、无功功率为输出的传递函数形式的动态模型,在仿真平台中搭建该模型和拓扑对应的物理模型,分别进行三次扰动设置,比较两者输出的动态响应,验证了建立的动态模型具有正确性。2、对建立的模型参数进行灵敏度分析。在考虑负荷电力电子化后,所建立的模型参数也随之增加,这不但给参数辨识带来了不便,在实用性方面也提高了复杂度。基于此,采用轨迹灵敏度理论和控制变量法,依次对模型中的每一个参数进行分析,并根据结果和实际情况确定了待辨识参数,这大大降低了模型的复杂度,为下一步研究奠定了基础。3、基于粒子群算法对重点参数进行辨识。首先通过实验获取数据并将数据进行预处理,将灵敏度低的参数使用经典值计算得出,再采用粒子群算法辨识出灵敏度较高的参数,将实验曲线与辨识曲线进行拟合,结果表明两者的拟合程度较高,再一次证明了本文所建立的模型的有效性,同时具有一定的实用性。
李红霞[5]（2021）在《基于自适应卡尔曼滤波的负荷模型参数在线辨识算法研究》文中进行了进一步梳理随着我国主要电网互联和混连受端电网进程推进,新能源和电力电子元件的增加,不同地区负荷需求及特征也呈现出较大的差异性、随机性和分散性。负荷相对落后于发电机和输电网络的建模工作,影响了整个电力系统模型计算的精度,因此面对时变的结构参数以及复杂的电力系统负荷进行建模,并根据实时动态数据进行在线参数辨识具有一定迫切性。针对电力系统新特征,本文应用到广域测量系统提供的实时运行的小扰动数据,以综合负荷模型为研究对象,基于自适应卡尔曼滤波算法在线辨识负荷参数,并利用遗传算法获取更加准确的系统噪声估计协方差矩阵,为电力系统的运行分析提供有效的参数辨识结果,提高对电网负荷的监视能力。负荷参数在线辨识方面,针对传统负荷建模方法在数据获取、辨识精度和在线辨识上受到限制的问题,提出基于广域测量系统量测技术的自适应卡尔曼滤波在线负荷参数辨识算法。首先考虑负荷模型的组成,建立并线性化综合负荷模型,基于同步相量测量单元在线实时测量的小扰动数据,提出了数据预处理方式,并对比传统卡尔曼滤波算法和改进的Sage-Husa自适应卡尔曼滤波算法两种技术路线,运用预报误差法解决辨识问题。系统噪声优化方面,提出一种基于遗传算法优化的自适应卡尔曼滤波算法,首先针对遗传算法的交叉、遗传和选择进行自适应调整,避免易陷入早熟致使收敛到局部最优解的缺陷,然后采用改进的遗传算法离线确定系统噪声协方差矩阵,以提高自适应卡尔曼滤波在线辨识负荷参数的计算效率和准确性,最后应用传统KF、AKF和本算法优化后的AKF辨识参数并对比有功功率和无功功率的拟合度,验证遗传算法优化的有效性。本文所提出的基于改进的自适应卡尔曼滤波的负荷参数在线辨识方法和优化模型参数的改进遗传算法经过浙江省电网的变电站实时运行数据验证,算例结果表明,本文提出的在线辨识算法,具有较好的适用性和较高的准确性。
李茵[6]（2020）在《微网系统的控制及负载激励参数辨识》文中研究说明随着科技及工业技术的快速发展,全球能源危机日渐严重,开发利用新能源已变成必然的选择和发展趋势,微电网作为大电网的有效补充和分布式能源的有效利用形式,其发展将势不可挡。随着微电网的广泛应用,其相关控制和系统稳定性、可靠性研究得到了重视,本文针对并网运行状态下控制模式的平滑切换和离网运行状态下微网系统的参数辨识两个方面展开了研究,本文的主要研究内容如下:（1）介绍了微电网的研究背景,包括其产生、特点和发展;分析了关于虚拟同步发电机控制和参数辨识的研究现状,由此提出了本文的研究重点。（2）分析微网逆变器的常规控制模式:恒功率控制、恒压恒频控制和下垂控制,着重讨论了虚拟同步发电机控制模式及实现。理论分析了虚拟同步发电机的控制特性,包括功频调节特性和稳定性,并通过仿真验证了理论分析的正确性,为下文控制模式的平滑切换及微网系统的参数辨识提供了理论基础。（3）针对现有文献对并网条件下控制模式平滑切换研究甚少的情况,提出了基于VSG和PQ控制的平滑切换方法,适用于并网运行时需根据实际工况改变控制策略的情形。本文通过控制电流内环指令值和调制波相位,实现了两种控制模式的平滑切换,并通过仿真和实验验证了所提方法的有效性。（4）对微网系统进行简化分析,得到了离网运行状态下的等效模型。针对功率指令值和负载两种阶跃扰动方式,提出了分段遗忘因子递推最小二乘的在线辨识方法,改善辨识结果的稳态性能和动态响应性能,并与非线性曲线拟合最小二乘离线辨识方法进行对比分析。接着利用辨识得到的参数进行频率、电压的二次调节,优化原有虚拟同步发电机的控制,并根据典型II型系统控制器设计理论得到功频控制环路PI调节器的设定值。最后通过仿真验证了所提辨识方法的有效性,并将两种扰动辨识结果进行对比;同时仿真验证了二次调节控制的有效性。
江昌旭[7]（2020）在《基于分层协作强化学习的配电网负荷建模研究》文中提出配电网承担着电力系统分配电能的作用,是电力系统重要的组成部分。大量的随机分布式电源和各种新型负荷接入配电网,导致配电网负荷特性变得更加复杂,造成配电网负荷建模愈发困难。如何在时变和随机环境下对配电网中的负荷进行快速而准确地建模已成为当前电力系统领域亟需解决的问题。配电网中的分布式可再生能源以及负荷具有较强的随机性、时变性和复杂性,本文首先在不确定环境下对配电网中某一特定负荷元件建模;其次过渡到对一类计及时变电压静特性负荷的建模;最后对考虑可再生能源接入配电网的综合负荷进行动态等值建模。本文的研究对象由静态到动态、由单负荷模型到多负荷模型。为了处理各种不确定环境下的负荷建模遇到的准确性和实时性问题,本文在经典Q学习方法基础上提出了多种分层协作强化学习算法。所提出的算法由简单到复杂、由处理离散变量到连续变量,从解决低维简单问题到高维复杂问题,与研究对象一一对应,紧密结合。具体地,本文在研究对象和研究方法上,由浅入深做了以下三个方面的研究:首先,针对新型配电网中快速发展的电动汽车这一特定负荷元件,提出一种基于多智能体协作的多步Q（λ）学习算法对电动汽车充电负荷进行建模。本文采用多代理技术构建不同类型的代理,研究主体与环境的交互以及主体与主体的相互影响。为了能够准确地描述新型配电网中不同电动汽车行为和充电负荷的不确定性,本文通过引入资格迹和通信学习机制提出一种基于多智能体协作的多步Q（λ）强化学习算法,该算法能够为电动汽车提供最优的行为决策,并获得具有时空分布的电动汽车充电负荷。本文算例采用某市实际的规划地图数据和10 k V配电网数据,仿真结果证明了本文所提算法对电动汽车时空充电负荷建模的可行性。在此基础上,研究了不同电价机制和交接班制度对电动汽车充电负荷的时空分布影响以及对新型配电网电压幅值和网损的影响。其次,针对计及时变电压静特性的负荷类型,提出一种基于分层架构的区域电网负荷模型,该模型可以准确反映内外网的相互影响;进而提出一种基于多智能体协作的自适应强化学习算法,对等值模型进行在线参数辨识。该分层架构中的上层问题是建立区域电网的负荷等值模型。在该等值模型中,根据模型预测控制理论构建了一种考虑潮流交互误差的区域负荷模型。另外,提出一种随时间衰减的权重策略来区分滑动时间窗口中不同时刻采样点对负荷建模的贡献,使得到的等值模型参数更能反映当前时刻的负荷特性并获得更加准确的最优潮流。分层架构的下层问题是一个考虑外网时变负荷的安全约束最优潮流问题,以考虑内外网的相互影响。本文建立的区域电网等值模型是一个复杂的非线性优化、具有多个局部最优解的问题,其决策变量属于多维连续型变量。为准确求解该模型,本文基于自适应边界搜索和变学习因子策略提出了一种新型自适应强化学习算法,该算法采用多智能体协作方式对区域负荷等值模型进行在线参数辨识。仿真结果表明,本文提出的等值模型与现有的模型相比具有更高的精度,所提出的新型自适应强化学习算法与现有强化学习算法和最小二乘法相比,在计算精度上和对时变参数跟踪能力上有显着提升。最后,针对可再生能源接入配电网的综合负荷类型,提出一种分层深度Q网络算法对配电网进行动态等值负荷建模。该配电网包含了多种不同特性的源荷,如具有电压静特性的ZIP负荷、具有动态特性的感应电机和恒速恒频风机。为了解决等值模型时变性和准确性问题,采用多个负荷模型对主动配电网进行动态等值建模。然后,提出一种分层深度Q网络强化学习算法实现等值模型方案的选择及模型权重确定,以此得到配电网动态等值负荷模型的功率输出。该问题的状态是由连续型变量组成的多维离散时间序列,本文采用长短期记忆网络对该时序信号进行特征提取。在求解算法方面,采用优先经验回放和Huber损失函数等策略对深度Q网络进行改进,以提高算法的效率和算法获取最优策略的能力。仿真结果表明,分层深度Q网络强化学习算法能够有效地对主动配电网进行动态等值建模,并且其在有功负荷上的精度是传统深度Q网络算法的3倍。
王鹏[8]（2020）在《基于广域测量的电力系统动态等值研究及应用》文中进行了进一步梳理由于结构复杂、模型阶数高以及系统非线性强等特征,电力系统建模及其模型简化是现代电力系统分析与控制中的突出难题。当前我国电力系统大电网互联、高比例可再生能源接入以及以分布式发电为主要电源的有源配电网等新形态同时并存,进一步增加了建模的复杂性。近年来,随着广域测量技术的发展,基于系统实测信息的电力系统动态等值建模已成为电网安全稳定分析的重要手段。然而,现有基于广域测量的电力系统动态等值模型普遍存在泛化能力弱的问题,显着降低了系统安全稳定分析的准确性。同时,在高比例可再生能源接入电网环境下,由于系统不同元件的动态特性差异较大,动态等值建模难有普适方法。因此,针对我国大型同步互联电网以及高比例可再生能源电力系统等不同应用场景,基于广域测量技术,研究准确度高、模型泛化能力强以及适应范围广的电力系统动态等值建模新方法,具有重要的理论和实践意义。本文针对基于广域数据驱动的现代复杂电力系统模型建立与简化展开研究,主要研究内容及成果如下:（1）针对电力系统等值模型弱泛化能力问题,提出了系统性解决方案。为解决等值系统内发电单元不同调对等值模型准确性的影响,提出采用同调性判别方法对等值系统内的电网进行分群,并分别建立相应的等值子模型;为解决等值模型“多解问题”,基于参数灵敏度和相关性分析方法,选出灵敏度高且唯一可辨识的等值模型关键参数,并采用混合动态仿真技术,实现各等值子模型关键参数的分步解耦辨识;最后,为提高等值模型参数对系统不同故障的表征能力,提出采用多目标优化算法,利用系统多故障特征对等值模型参数进行多目标优化辨识。本方法具有通用性,通过必要的修改可实现不同应用场景电力系统的动态等值建模。（2）提出了一种计及模型泛化能力的小水电集群动态等值建模方法。首先采用时间序列聚类方法对研究系统进行同调分群,并对每一同调子群分别建立等值子模型;然后基于参数灵敏度和相关性分析方法,选出等值模型待辨识关键参数;最后基于所提出的多目标优化算法并采用混合动态仿真技术对每一个等值子模型的关键参数进行分步解耦辨识。以中国西南地区真实小水电集群动态等值为例,验证了所提方法的有效性。（3）提出了一种计及模型泛化能力的有源配电网动态等值建模方法。首先建立能够表征有源配电网不同运行状态的系统特征数据库,并采用two-step聚类法和Fisher判别方法对有源配电网运行状态进行分类;然后,基于关键参数辨识方法消除参数辨识过程中的“多解问题”;最后,通过Elman神经网络,获得系统不同运行状态与等值模型参数解的非线性映射特征。利用中国东南沿海某实际有源配电网系统,验证了本文所提方法的有效性。（4）提出了一种风电场动态等值建模方法。首先采用时间序列聚类方法对风电机组进行分群,并将每一分群聚合为一个风机等值子模型;其次,基于灵敏度和相关性分析方法选出等值模型中风力发电机本体参数以及相关控制模块参数中的待辨识关键参数;最后,基于多目标优化算法和混合动态仿真技术,同时在风速波动和外部系统故障情况下对各风机等值子模型关键参数进行分步解耦辨识。利用中国西北某真实风电场模型,验证了所提方法的有效性。（5）提出了一种风电场概率多机表征等值建模方法。首先建立了基于Weibull分布的风电场输入风速概率模型,在考虑尾流效应和时滞效应的基础上,建立风电机组输入风速概率数据库;采用实用4机分群方法对风电机组进行分群,并基于Fisher判别准则对分群结果进行必要合理地合并;最后,基于容量加权法建立风电场概率等值多机表征模型。在中国西北某真实风电场内,验证了概率等值模型的有效性。
张楠[9]（2019）在《抽水蓄能机组调速系统非线性模型参数辨识及优化控制研究》文中认为随着我国能源结构由化石能源向非化石能源的不断转换,作为一种重要的可再生清洁能源,抽水蓄能电站承担着电网调峰调频等重要任务。此外,近年来风光等间歇性能源大量接入电网,其波动性使电网的稳定运行受到了严重威胁,抽水蓄能电站作为一种重要的储能技术能有效抑制风光等间歇能源对电网的影响,因此,有必要加快抽水蓄能电站的开工建设,促进我国能源结构的深化调整,以保障电网安全稳定运行。然而,抽水蓄能电站正朝着高水头、大单机容量、复杂过水系统、超长引水管道方向发展,其控制问题极为复杂,亟待针对其优化控制难题,探索新的理论与技术。抽水蓄能电站调速系统的精确建模是系统动态过程仿真、稳定性分析、机组故障诊断、参数辨识和控制优化等研究工作的基础。传统的PID控制器在面对复杂调速系统时仍存在着一些局限性,控制器参数优化和新型控制器设计是改善系统控制性能的有效手段。在此背景下,针对调速系统建模和控制优化所面临的关键科学问题和技术难点,本文进行了系统深入的研究。以数学建模、系统辨识和智能优化算法为理论支撑,建立了调速系统精细化模型,以此为基础,围绕分数阶PID、控制器参数优化、多目标优化控制、模糊模型辨识和广义预测控制器设计开展了深入的研究,并取得了一定理论与应用成果。本文的主要工作和创新性成果包括:（1）深入研究了抽水蓄能机组调速系统复杂非线性特性,建立了调速系统各关键部件数学模型。针对水泵水轮机“S”特性所带来的插值多值性和仿真迭代不收敛等问题,提出采用对数投影法和改进Suter变换对水泵水轮机全特性曲线进行处理,有效缓解了“S”特性区域曲线的交叉、重叠和扭卷现象。根据不同的研究需求,搭建了调速系统线性仿真模型、非线性仿真模型和数值仿真模型,为后续调速系统参数辨识和控制优化奠定了模型基础。（2）为实现调速系统的精确建模,获得系统当前实际模型参数,在深入研究基于智能优化算法参数辨识理论的基础上,提出一种结合精英引导策略、自适应万有引力常数衰减因子、变异操作和弹性球边界处理策略的改进引力搜索算法（mixed-strategy based gravitational search algorithm,MS-GSA）,建立了基于MS-GSA的参数辨识方法,实现了调速系统高精度建模。（3）提出并设计了调速系统分数阶PID控制器（FOPID）,取代传统整数阶PID控制器。针对分数阶PID控制器的参数整定问题,研究采用改进引力搜索算法（CGGSA）进行控制器参数优化,获得机组当前工况最优控制器参数,三种水头下机组频率扰动实验结果表明,CGGSA-FOPID控制器在不同水头下均具有更好的控制效果,显着改善了机组的动态性能。（4）抽水蓄能机组调速系统由于受到外部环境和工况变化的影响,单一固定的控制器参数无法保证机组在不同工况下的最优运行。本文在深入研究多目标建模及其优化算法的基础上,基于不同工况下系统的动态性能指标构建多目标函数,引入分数阶PID控制器,建立了基于改进多目标粒子群优化算法分数阶PID控制器多工况多目标优化控制策略,多组实验结果表明,本文所提出的多工况控制策略,显着提高了机组对环境和工况变化的适应性。（5）研究了基于T-S模糊模型辨识抽水蓄能机组调速系统广义预测控制方法,基于建立的调速系统数值仿真模型,结合T-S模糊模型辨识理论,建立了基于离线辨识和在线辨识相结合的调速系统瞬时线性化CARIMA模型,实现了机组广义预测控制器设计,与传统PID控制器相比,具有更好的控制性能。
胡柏玮[10]（2016）在《中小水电集群的动态等值及泛化能力研究》文中提出水电由于其灵活性、经济性和便捷性被认为是最具优势和适用最广泛的绿色能源。大规模中小型水电集群并网毫无疑问地将给主网稳定性带来较大影响,进而在电力系统计算中对其仿真模型的要求也相应地越来越高。在仿真计算中,建立包含每台水电机组的详细模型是相当困难的。一方面,水电机组的实际参数难以获取。另一方面,即使用典型参数表示,众多的水电集群不易在仿真软件中建模布点,还可能出现潮流不收敛、维数灾、结果不准确等问题。因此,在我国,对含中小型水电集群的电网进行计算分析时,普遍的做法是将其简单等效为恒阻抗的负负荷模型。但是该方法会导致仿真分析结果的不准确。对中小型水电集群进行动态等值是解决这一问题的良好手段,但会存在等值模型泛化能力强弱的问题。因此,针对中小型水电集群动态等值及泛化能力,本文主要进行了如下研究：首先,提出了基于估计等值法的中小型水电集群动态等值方法。该方法以一台三阶发电机并联恒功率负荷作为等值模型,以扰动时联络线上电压、频率、有功功率与无功功率作为输入,利用四阶龙格-库塔法递推求解发电机动态方程,计算发电机输出功率,借助改进动态多种群-粒子群优化算法（DMS-PSO）进行参数优化,最终获得能拟合原系统功率动态响应的等值模型参数。其次,分析了等值模型参数的灵敏度,并对等值模型进行了参数辨识验证,探讨了扰动类型对辨识结果的影响。利用本文所提等值方法,基于PSASP仿真数据对某电网水电集群进行动态等值,并与负负荷模型表示的水电集群对比,验证了所提方法的准确性与实用性；基于某电网实际系统PMU量测数据,对中小型水电集群进行动态等值,验证了所提等值方法的实际工程价值。最后,提出了一种基于多曲线拟合参数辨识的增强等值模型泛化能力的方法。该方法以不同时刻扰动时的量测量为输入,利用四阶龙格-库塔法与改进DMS-PSO算法相结合的方法进行参数辨识,最终获得综合考虑不同动态特性的等值模型参数。基于该方法,针对等值区域不变而扰动形式变化和等值区域出力小幅变化的情况,对某电网水电集群进行等值建模,并与单一扰动参数辨识和平均值法进行对比分析,结果表明所提方法对整个样本空间均具有较强的泛化能力。针对等值区域出力大幅变化的情况,可认为是另一种典型运行方式,考虑利用本文所提方法重新等值。
二、动态负荷模型多曲线拟合参数辨识（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、动态负荷模型多曲线拟合参数辨识（论文提纲范文）
（1）复杂负荷模型的参数辨识及其对电网稳定性影响（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 负荷模型发展现状 |
| 1.3 参数辨识研究现状 |
| 1.4 本文主要工作 |
| 第2章 复杂负荷模型建模 |
| 2.1 引言 |
| 2.2 负荷模型 |
| 2.2.1 静态负荷模型 |
| 2.2.2 动态负荷模型 |
| 2.3 双馈风电系统模型 |
| 2.3.1 双馈风电机组模型 |
| 2.3.2 风功率模型 |
| 2.3.3 桨距角控制模型 |
| 2.3.4 转子侧控制器模型 |
| 2.3.5 网侧变频器控制模型 |
| 2.4 复杂负荷模型灵敏度分析 |
| 2.4.1 电气类参数灵敏度分析 |
| 2.4.2 控制类参数灵敏度分析 |
| 2.4.3 复杂负荷模型待辨识参数总结 |
| 2.5 本章小结 |
| 第3章 基于改进鲸鱼优化算法和多运行曲线的参数辨识 |
| 3.1 引言 |
| 3.2 改进鲸鱼优化辨识算法 |
| 3.2.1 基本鲸鱼优化算法的原理 |
| 3.2.2 改进鲸鱼优化算法 |
| 3.2.3 参数辨识算法步骤 |
| 3.2.4 与多种算法效果对比 |
| 3.3 多运行曲线辨识方法 |
| 3.3.1 多运行曲线的选择 |
| 3.3.2 目标函数及模型参数的确定 |
| 3.3.3 算例仿真 |
| 3.4 本章小结 |
| 第4章 实际电网参数辨识及其对电网稳定性影响分析 |
| 4.1 引言 |
| 4.2 实际电网参数辨识 |
| 4.2.1 实际电网网架结构 |
| 4.2.2 参数辨识的预处理 |
| 4.2.3 实测运行曲线 |
| 4.2.4 仿真结果分析 |
| 4.3 辨识结果对电网稳定性影响 |
| 4.3.1 辨识结果对电压稳定影响 |
| 4.3.2 辨识结果对功角稳定影响 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及其它成果 |
| 致谢 |
（2）数字孪生建模方法及其在热力系统优化运行中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号及缩写表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 能源电力发展背景与现状 |
| 1.1.2 智能控制优化研究现状 |
| 1.2 热力系统建模仿真及大数据技术研究现状 |
| 1.2.1 热力系统建模研究现状 |
| 1.2.2 电力大数据及其发展现状 |
| 1.2.3 热力系统仿真技术发展背景 |
| 1.3 数字孪生技术的应用现状及关键技术 |
| 1.3.1 数字孪生的应用发展现状 |
| 1.3.2 数字孪生研究的关键技术 |
| 1.3.3 数字孪生发展面临的挑战 |
| 1.4 论文的研究内容 |
| 第2章 大数据背景下的数字孪生与热力系统建模理论 |
| 2.1 数字孪生的基本理论 |
| 2.1.1 数字孪生的定义与内涵 |
| 2.1.2 数字孪生与仿真技术之间的关系 |
| 2.1.3 数字孪生与信息物理系统之间的关系 |
| 2.2 热力系统建模理论与方法 |
| 2.2.1 流体网络机理建模理论与方法 |
| 2.2.2 数据驱动建模理论与方法 |
| 2.3 大数据的基本理论 |
| 2.3.1 大数据平台框架及相关技术 |
| 2.3.2 大数据存储管理与预处理方法 |
| 2.3.3 大数据分布式集群平台构建 |
| 2.4 本章小结 |
| 第3章 基于改进即时学习策略的自适应数据驱动建模方法研究 |
| 3.1 基于改进即时学习策略的自适应数据驱动建模方法 |
| 3.1.1 建模思路 |
| 3.1.2 基于改进遗传模拟退火算法的模糊聚类工况划分 |
| 3.1.3 基于多层次综合相似度度量的相似工况识别 |
| 3.1.4 基于Spark平台的数据驱动局部模型建模 |
| 3.2 SCR脱硝系统数据驱动建模应用案例 |
| 3.2.1 建模对象及背景介绍 |
| 3.2.2 数据预处理和相似工况选取 |
| 3.2.3 局部建模过程及结果分析 |
| 3.3 电锅炉供热系统荷侧和源侧负荷预测建模应用案例 |
| 3.3.1 建模对象及背景介绍 |
| 3.3.2 荷侧供热负荷预测模型 |
| 3.3.3 源侧电负荷预测 |
| 3.4 本章小结 |
| 第4章 热力系统数字孪生建模理论及应用 |
| 4.1 热力系统数字孪生建模思路 |
| 4.1.1 数字孪生建模方法的提出 |
| 4.1.2 数字孪生模型的构建方法及流程 |
| 4.2 数字孪生机理模型的构建 |
| 4.2.1 管路模型 |
| 4.2.2 调节阀模型 |
| 4.2.3 离心水泵模型 |
| 4.2.4 换热器模型 |
| 4.3 数字孪生模型的协同与融合理论 |
| 4.3.1 数字孪生模型离线智能参数辨识 |
| 4.3.2 数字孪生模型参数在线自适应协同 |
| 4.3.3 基于移动窗格信息熵的多模型输出在线融合 |
| 4.4 数字孪生建模实例分析 |
| 4.4.1 脱硝系统数字孪生模型的建立 |
| 4.4.2 供热系统数字孪生模型的建立 |
| 4.5 本章小结 |
| 第5章 基于热力系统数字孪生模型的节能控制优化 |
| 5.1 基于数字孪生模型的智能工况动态寻优 |
| 5.1.1 热力系统智能工况动态寻优策略 |
| 5.1.2 基于数字孪生模型的供热储热系统智能工况动态寻优 |
| 5.2 基于数字孪生模型的自适应预测控制优化 |
| 5.2.1 基于数字孪生模型的预测控制算法 |
| 5.2.2 基于数字孪生模型预测控制的喷氨量优化 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要研究工作及成果 |
| 6.2 论文主要创新点 |
| 6.3 后续工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（3）基于多故障曲线辨识的负荷模型参数优化策略（论文提纲范文）
| 0 引言 |
| 1 基于总体测辨法的负荷模型参数辨识 |
| 1.1 总体测辨法流程 |
| 1.2 SLM-DP模型及待辨识参数 |
| 1.3 参数辨识算法及目标函数 |
| 2 基于多故障曲线辨识的负荷参数优化策略 |
| 2.1 典型故障的选取 |
| 2.2 基于仿真准确度指标和熵权法的负荷模型参数优化策略 |
| 2.2.1 仿真准确度指标的选取及定义 |
| 2.2.2 基于熵权法的负荷模型参数优化策略 |
| 3 算例分析 |
| 3.1 仿真系统及故障设置 |
| 3.2 辨识结果及参数优化结果 |
| 3.3 优化参数适用性分析 |
| 3.4 策略稳定性分析 |
| 4 结论 |
| 附录A1 |
| 附录A2 |
| 附录A3 |
（4）电力电子化电力系统动态负荷建模与参数辨识研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 电力负荷建模的背景及意义 |
| 1.1.2 电力电子化电力系统发展趋势 |
| 1.1.3 电力电子化电力系统负荷建模重要意义 |
| 1.2 负荷建模的发展现状 |
| 1.2.1 负荷建模的发展过程 |
| 1.2.2 负荷建模的研究现状 |
| 1.3 电力电子化电力系统负荷建模存在的问题 |
| 1.4 本文的研究内容与章节安排 |
| 2 负荷建模的基本理论 |
| 2.1 负荷建模方法 |
| 2.1.1 统计综合法 |
| 2.1.2 总体测辨法 |
| 2.1.3 故障仿真法 |
| 2.2 负荷模型结构研究 |
| 2.2.1 静态负荷模型 |
| 2.2.2 动态负荷模型 |
| 2.2.3 综合负荷模型 |
| 2.3 参数辨识方法 |
| 2.4 电力电子化电力系统负荷建模研究方法 |
| 2.4.1 电力电子化负荷建模研究框架 |
| 2.4.2 电力电子化负荷模型结构 |
| 2.4.3 电力电子化负荷辨识策略 |
| 2.5 本章小结 |
| 3 电力系统动态负荷建模 |
| 3.1 电力电子化的动态负荷模型 |
| 3.1.1 建模思路 |
| 3.1.2 逆变器控制原理 |
| 3.2 动态负荷建模 |
| 3.2.1 网侧电源和整流部分建模 |
| 3.2.2 感应电机数学模型 |
| 3.2.3 V/F控制的逆变器数学模型 |
| 3.2.4 直流支路的中间变量数学模型 |
| 3.2.5 全系统数学模型 |
| 3.3 仿真验证 |
| 3.3.1 电压扰动验证动态模型 |
| 3.3.2 频率扰动验证动态模型 |
| 3.3.3 电压与频率扰动验证动态模型 |
| 3.4 灵敏性分析 |
| 3.4.1 系统灵敏度分析理论 |
| 3.4.2 负荷模型参数灵敏度分析 |
| 3.5 本章小结 |
| 4 基于粒子群算法的动态负荷参数辨识 |
| 4.1 粒子群算法的辨识原理 |
| 4.1.1 粒子群算法概述 |
| 4.1.2 粒子群算法的步骤与流程 |
| 4.2 实测数据获取及预处理 |
| 4.2.1 实测数据的获取 |
| 4.2.2 实测数据预处理 |
| 4.3 参数辨识与分析 |
| 4.3.1 粒子群算法的目标函数选择 |
| 4.3.2 参数设置方案 |
| 4.3.3 辨识结果 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（5）基于自适应卡尔曼滤波的负荷模型参数在线辨识算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 负荷建模工作发展及研究现状 |
| 1.3 参数辨识工作发展及研究现状 |
| 1.4 本文工作概述 |
| 2 负荷模型及负荷参数辨识分析 |
| 2.1 负荷模型基本结构研究 |
| 2.1.1 静态负荷模型 |
| 2.1.2 动态负荷模型 |
| 2.1.3 综合负荷模型 |
| 2.2 负荷建模方法研究 |
| 2.2.1 统计综合法 |
| 2.2.2 总体测辨法 |
| 2.2.3 故障仿真法 |
| 2.3 负荷参数辨识方法分析 |
| 2.3.1 系统辨识理论 |
| 2.3.2 负荷模型参数辨识方法 |
| 2.4 数据来源与预处理技术 |
| 2.4.1 WAMS/PMU原理及数据特点分析 |
| 2.4.2 数据预处理研究 |
| 3 基于自适应卡尔曼滤波的负荷参数辨识 |
| 3.1 引言 |
| 3.2 综合负荷模型及参数介绍 |
| 3.3 自适应卡尔曼滤波算法 |
| 3.3.1 适用于负荷模型辨识的传统卡尔曼滤波方法 |
| 3.3.2 改进的Sage-Husa自适应卡尔曼滤波计算方法 |
| 3.3.3 系统噪声选定方法 |
| 3.3.4 数据处理方法 |
| 3.4 算例分析 |
| 3.5 本章小结 |
| 4 基于遗传算法优化的自适应卡尔曼滤波模型参数辨识 |
| 4.1 引言 |
| 4.2 基于遗传算法优化的AKF结构 |
| 4.3 基于遗传算法优化的AKF辨识参数的实现 |
| 4.3.1 初始化设计 |
| 4.3.2 混合无重选择算子设计 |
| 4.3.3 自适应交叉算子设计 |
| 4.3.4 高斯近似变异算子设计 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
（6）微网系统的控制及负载激励参数辨识（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 微网的研究背景 |
| 1.1.1 微网的产生与定义 |
| 1.1.2 微网的特点及发展 |
| 1.2 微网的研究现状 |
| 1.2.1 虚拟同步发电机 |
| 1.2.2 参数辨识 |
| 1.3 本文研究内容 |
| 第二章 微网逆变器控制策略及特性分析 |
| 2.1 微网逆变器电路拓扑及控制策略 |
| 2.1.1 主电路拓扑结构 |
| 2.1.2 常规控制模式及实现 |
| 2.1.3 虚拟同步发电机模式及实现 |
| 2.2 基于虚拟同步发电机控制的特性分析 |
| 2.2.1 功频调节特性分析 |
| 2.2.2 小信号建模及稳定性分析 |
| 2.2.3 主要参数的选取原则 |
| 2.3 基于虚拟同步发电机控制的微网逆变器仿真分析 |
| 2.3.1 离网状态下主要参数的影响分析 |
| 2.3.2 并网状态下主要参数的影响分析 |
| 2.4 本章小结 |
| 第三章 微网逆变器多模式平滑切换 |
| 3.1 VSG与PQ的并网逆变器控制结构 |
| 3.2 VSG到PQ控制的平滑切换方法 |
| 3.3 PQ到VSG控制的平滑切换方法 |
| 3.3.1 暂态分析 |
| 3.3.2 稳态分析 |
| 3.4 仿真及实验验证 |
| 3.4.1 仿真验证 |
| 3.4.2 实验验证 |
| 3.5 本章小结 |
| 第四章 微网系统的惯性参数辨识及控制优化 |
| 4.1 参数辨识的基本原理 |
| 4.2 微网系统离网运行等效模型 |
| 4.3 微网系统参数辨识及扰动方法 |
| 4.3.1 辨识方法 |
| 4.3.2 扰动方法 |
| 4.4 微网系统的二次调频控制优化 |
| 4.5 仿真分析 |
| 4.5.1 参数辨识 |
| 4.5.2 控制优化 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（7）基于分层协作强化学习的配电网负荷建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 负荷建模研究现状 |
| 1.2.2 负荷模型参数辨识研究现状 |
| 1.2.3 强化学习算法研究现状 |
| 1.2.4 存在问题 |
| 1.3 本文的研究框架以及章节内容 |
| 1.3.1 研究思路及框架 |
| 1.3.2 章节内容 |
| 第二章 分层协作强化学习算法理论基础及其算法介绍 |
| 2.1 引言 |
| 2.2 分层协作强化学习思想 |
| 2.3 分层协作强化学习算法 |
| 2.3.1 基于多智能体协作的多步Q(λ)学习算法 |
| 2.3.2 基于多智能体协作的自适应强化学习算法 |
| 2.3.3 分层深度强化学习算法 |
| 2.4 算法比较分析 |
| 2.5 本章小结 |
| 第三章 基于多智能体协作多步Q(λ)学习的新型配电网中电动汽车充电负荷建模方法 |
| 3.1 引言 |
| 3.2 基于多代理技术的电动汽车仿真框架 |
| 3.2.1 地图代理 |
| 3.2.2 充电站代理 |
| 3.2.3 电动汽车代理 |
| 3.2.4 电网代理 |
| 3.3 基于强化学习算法的电动汽车行为决策建模 |
| 3.3.1 状态和行为决策空间 |
| 3.3.2 奖惩函数设计 |
| 3.4 算例与分析 |
| 3.4.1 多步Q(λ)学习算法性能分析 |
| 3.4.2 电动汽车充电负荷在时间-空间上的分布 |
| 3.4.3 电动汽车充电对配电网电压和网损的影响 |
| 3.4.4 考虑交接班制度和电价机制对充电负荷和配电网的影响 |
| 3.5 本章小结 |
| 第四章 基于多智能体协作自适应强化学习的分层架构区域电网负荷建模方法 |
| 4.1 引言 |
| 4.2 基于分层架构的区域电网负荷建模 |
| 4.2.1 负荷建模总体思路 |
| 4.2.2 区域电网负荷建模 |
| 4.2.3 安全约束最优潮流 |
| 4.3 基于MACSARL算法的区域电网负荷建模 |
| 4.3.1 区域电网负荷建模求解流程 |
| 4.3.2 基于MACSARL算法的在线参数辨识 |
| 4.4 算例分析 |
| 4.4.1 不同算法下的结果比较和分析 |
| 4.4.2 不同权重方案下的结果比较和分析 |
| 4.4.3 不同等值模型下的结果比较和分析 |
| 4.4.4 非基态场景下模型准确度验证 |
| 4.5 本章小结 |
| 第五章 基于分层深度强化学习的主动配电网动态等值建模方法 |
| 5.1 引言 |
| 5.2 综合负荷模型及等值建模 |
| 5.3 基于分层深度Q网络算法的配电网动态等值 |
| 5.3.1 基于分层深度Q网络算法的配电网动态等值总体框架 |
| 5.3.2 分层深度Q网络算法设计 |
| 5.3.3 深度神经网络设计 |
| 5.3.4 算法流程图 |
| 5.4 算例分析 |
| 5.4.1 算例设置 |
| 5.4.2 分层深度强化学习算法性能分析 |
| 5.4.3 有功和无功负荷比较 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 不足与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
（8）基于广域测量的电力系统动态等值研究及应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 动态等值方法研究现状 |
| 1.2.2 基于广域测量的电力系统动态等值方法研究现状 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本论文的结构安排 |
| 第二章 基于广域测量的电力系统动态等值关键理论与技术研究 |
| 2.1 引言 |
| 2.2 等值模型泛化能力研究 |
| 2.2.1 等值模型泛化能力不强原因分析 |
| 2.2.2 电力系统等值模型弱泛化能力系统性解决方案 |
| 2.3 等值模型参数辨识难易度研究及关键参数选择 |
| 2.3.1 等值模型参数灵敏度分析 |
| 2.3.2 等值模型参数可辨识性分析 |
| 2.3.3 等值模型关键参数选择策略 |
| 2.4 等值模型参数辨识多目标优化算法设计 |
| 2.4.1 NSGA-II |
| 2.4.2 主成分分析 |
| 2.5 混合动态仿真技术 |
| 2.5.1 混合动态仿真的概念 |
| 2.5.2 现有混合动态仿真技术 |
| 2.6 等值模型参数辨识数据接口实现 |
| 2.6.1 PSASP数据结构及功能模块解析 |
| 2.6.2 PSASP和 MATLAB数据接口的实现 |
| 2.7 本章小结 |
| 第三章 小水电集群动态等值建模方法研究 |
| 3.1 引言 |
| 3.2 计及模型泛化能力的小水电集群动态等值建模 |
| 3.2.1 同调性判别和多机表征建模 |
| 3.2.2 等值模型关键参数选择 |
| 3.2.3 基于多目标优化的关键参数辨识 |
| 3.3 算例分析与仿真结果 |
| 3.3.1 小水电集群动态等值建模 |
| 3.3.2 等值模型准确性评价 |
| 3.3.3 等值模型泛化能力评价 |
| 3.3.4 等值模型校验策略研究 |
| 3.4 本章小结 |
| 第四章 有源配电网动态等值建模方法研究 |
| 4.1 引言 |
| 4.2 有源配电网动态等值建模 |
| 4.2.1 有源配电网等值模型选型 |
| 4.2.2 计及模型泛化能力的有源配电网动态等值建模 |
| 4.3 算例分析与仿真结果 |
| 4.3.1 测试系统 |
| 4.3.2 ADN等值模型关键参数选择 |
| 4.3.3 ADN动态等值建模 |
| 4.3.4 ADN等值模型泛化能力评价 |
| 4.4 本章小结 |
| 第五章 风电场动态等值建模方法研究 |
| 5.1 引言 |
| 5.2 风电场动态等值建模 |
| 5.2.1 风电机组分群聚类 |
| 5.2.2 等值模型关键参数的多目标优化辨识 |
| 5.2.3 风电场等值建模其他附属设备等值参数聚合 |
| 5.3 算例分析与仿真结果 |
| 5.3.1 测试系统 |
| 5.3.2 风电机组聚类 |
| 5.3.3 关键参数选择 |
| 5.3.4 风电场等值模型关键参数辨识 |
| 5.3.5 风电场等值模型准确性评价 |
| 5.3.6 风电场等值模型泛化能力评价 |
| 5.3.7 低电压穿越情况下等值模型准确性评价 |
| 5.4 本章小结 |
| 第六章 风电场概率多机表征等值建模方法研究 |
| 6.1 引言 |
| 6.2 风电场概率等值建模 |
| 6.2.1 风电场输入风速概率建模 |
| 6.2.2 风电场概率等值建模 |
| 6.3 风电场概率等值模型应用 |
| 6.4 算例分析与仿真结果 |
| 6.4.1 测试系统 |
| 6.4.2 风电场概率等值建模 |
| 6.4.3 风电场概率稳态稳定分析 |
| 6.4.4 风电场概率暂态稳定分析 |
| 6.5 本章小结 |
| 第七章 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间取得的成果 |
（9）抽水蓄能机组调速系统非线性模型参数辨识及优化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景、意义与目标 |
| 1.2 水泵水轮机全特性曲线建模研究 |
| 1.3 抽水蓄能机组调速系统辨识研究概述 |
| 1.4 抽水蓄能机组调速系统控制优化研究概述 |
| 1.5 本文主要研究内容 |
| 2 抽水蓄能机组调速系统建模研究 |
| 2.1 引言 |
| 2.2 调速器数学模型 |
| 2.3 压力过水系统数学模型 |
| 2.4 水泵水轮机数学模型 |
| 2.5 发电/电动机及负载数学模型 |
| 2.6 抽水蓄能机组调速系统仿真模型 |
| 2.7 抽水蓄能机组调速系统模型验证 |
| 2.8 本章小结 |
| 3 抽水蓄能机组调速系统参数辨识 |
| 3.1 引言 |
| 3.2 万有引力搜索算法 |
| 3.3 改进万有引力搜索算法 |
| 3.4 基于MS-GSA抽水蓄能机组调速系统参数辨识 |
| 3.5 本章小结 |
| 4 抽水蓄能机组调速系统分数阶PID控制器参数优化 |
| 4.1 引言 |
| 4.2 分数阶理论及分数阶PID控制器 |
| 4.3 抽水蓄能机组分数阶PI~λD~μ控制器参数优化 |
| 4.4 本章小结 |
| 5 抽水蓄能机组调速系统多目标优化控制 |
| 5.1 引言 |
| 5.2 多目标优化问题 |
| 5.3 多目标粒子群优化算法 |
| 5.4 改进多目标粒子群优化算法 |
| 5.5 抽水蓄能机组调速系统多工况多目标分数阶PI~λD~μ优化控制 |
| 5.6 本章小结 |
| 6 抽水蓄能机组调速系统广义预测控制 |
| 6.1 引言 |
| 6.2 广义预测控制基本原理 |
| 6.3 T-S模糊模型辨识 |
| 6.4 实例验证及结果分析 |
| 6.5 本章小结 |
| 7 全文总结与展望 |
| 7.1 全文工作总结 |
| 7.2 进一步研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 :攻读博士期间发表的论文 |
| 附录2 :攻读博士期间完成和参与的科研项目 |
（10）中小水电集群的动态等值及泛化能力研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 动态等值研究现状 |
| 1.2.2 泛化能力研究现状 |
| 1.3 本文的主要工作 |
| 第2章 基于量测的中小型水电集群等值方法研究 |
| 2.1 中小型水电集群等值模型 |
| 2.1.1 等值发电机模型 |
| 2.1.2 等值负荷模型 |
| 2.2 等值模型参数辨识方法 |
| 2.2.1 等值模型动态响应求解方法 |
| 2.2.2 状态变量初值求解方法 |
| 2.2.3 等值模型参数优化算法 |
| 2.3 本章小结 |
| 第3章 基于量测的中小型水电集群等值算例分析 |
| 3.1 算例数据简介 |
| 3.2 参数辨识方法验证与分析 |
| 3.2.1 参数灵敏度分析 |
| 3.2.2 参数辨识有效性验证 |
| 3.2.3 扰动类型对辨识结果的影响 |
| 3.3 动态等值方法验证与分析 |
| 3.3.1 中小型水电集群建模现状 |
| 3.3.2 基于仿真数据等值建模 |
| 3.3.3 基于PMU实测数据等值建模 |
| 3.4 本章小结 |
| 第4章 中小型水电集群等值模型泛化能力研究 |
| 4.1 泛化方法 |
| 4.2 泛化能力验证 |
| 4.2.1 验证方法 |
| 4.2.2 训练样本泛化能力 |
| 4.2.3 测试样本泛化能力 |
| 4.3 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及参加的科研项目 |
四、动态负荷模型多曲线拟合参数辨识（论文参考文献）
- [1]复杂负荷模型的参数辨识及其对电网稳定性影响[D]. 马赟婷. 华北电力大学, 2021
- [2]数字孪生建模方法及其在热力系统优化运行中的应用研究[D]. 高学伟. 华北电力大学(北京), 2021(01)
- [3]基于多故障曲线辨识的负荷模型参数优化策略[J]. 盛四清,朱思宇,马赟婷,余洋. 华北电力大学学报(自然科学版), 2021(05)
- [4]电力电子化电力系统动态负荷建模与参数辨识研究[D]. 杨淞淇. 重庆理工大学, 2021(02)
- [5]基于自适应卡尔曼滤波的负荷模型参数在线辨识算法研究[D]. 李红霞. 浙江大学, 2021(08)
- [6]微网系统的控制及负载激励参数辨识[D]. 李茵. 合肥工业大学, 2020(02)
- [7]基于分层协作强化学习的配电网负荷建模研究[D]. 江昌旭. 华南理工大学, 2020
- [8]基于广域测量的电力系统动态等值研究及应用[D]. 王鹏. 电子科技大学, 2020(04)
- [9]抽水蓄能机组调速系统非线性模型参数辨识及优化控制研究[D]. 张楠. 华中科技大学, 2019
- [10]中小水电集群的动态等值及泛化能力研究[D]. 胡柏玮. 西南交通大学, 2016(01)